摘要
针对现有编码代理在从零构建完整程序方面表现不佳的问题,本文提出 MindForge,一种自动化管道,可将开源命令行程序转化为仅暴露编译可执行文件及文档的无源代码环境。利用该框架,研究者构建了涵盖软件工程全生命周期的训练环境,并使用 GLM-5.2 作为教师代理生成高质量程序合成轨迹数据。在 Qwen3.6-27B 上进行微调后,其在 ProgramBench 上的通过率显著提升,并在多个未见基准测试中展现出超越基线模型的泛化能力,证明了该方法在提升小模型复杂软件工程技能方面的有效性。
AI 推荐理由
论文核心在于通过合成数据训练小模型掌握从零构建软件的全周期编码技能,显著提升工具使用与任务执行能力。
研究机构
Huawei Canada
Queen's University
University of Manitoba
论文信息